基于复合纹理特征的图像拼接检测研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-22页 |
| 1.1 数字图像被动取证技术研究的背景与意义 | 第11-13页 |
| 1.2 数字图像取证技术研究的国内外现状 | 第13-19页 |
| 1.2.1 图像拼接篡改检测研究现状 | 第15-17页 |
| 1.2.2 纹理特征提取研究现状 | 第17-19页 |
| 1.3 论文主要研究工作及组织结构 | 第19-22页 |
| 1.3.1 论文主要研究工作 | 第19-20页 |
| 1.3.2 论文的组织结构 | 第20-22页 |
| 2 复合特征检测拼接图像的方法设计 | 第22-31页 |
| 2.1 基于图像特征的拼接检测研究现状 | 第22-26页 |
| 2.1.1 颜色特征 | 第22-23页 |
| 2.1.2 形状特征 | 第23-24页 |
| 2.1.3 纹理特征 | 第24-26页 |
| 2.2 基于单一特征的图像拼接检测方法 | 第26-27页 |
| 2.2.1 特征的提取 | 第26-27页 |
| 2.2.2 特征向量的生成与分类 | 第27页 |
| 2.3 基于复合特征的图像拼接检测方法 | 第27-29页 |
| 2.3.1 基于向量的多特征图像拼接检测方法 | 第27-29页 |
| 2.3.2 基于决策层的多特征图像拼接检测方法 | 第29页 |
| 2.4 本章小结 | 第29-31页 |
| 3 基于复合纹理特征的拼接检测模型 | 第31-57页 |
| 3.1 引言 | 第31页 |
| 3.2 提取纹理特征的相关技术 | 第31-44页 |
| 3.2.1 局部二值模式 | 第31-33页 |
| 3.2.2 局部三值模式 | 第33-35页 |
| 3.2.3 韦伯局部描述符 | 第35-39页 |
| 3.2.4 灰度共生矩阵 | 第39-44页 |
| 3.3 提取复合纹理特征的方法设计 | 第44-49页 |
| 3.3.1 LTP与灰度共生矩阵相结合提取特征 | 第44-46页 |
| 3.3.2 WLD与灰度共生矩阵结合提取特征 | 第46-47页 |
| 3.3.3 多种纹理特征的复合与提取 | 第47-49页 |
| 3.4 复合纹理特征检测拼接图像的方法设计 | 第49-53页 |
| 3.5 分类方法的选取 | 第53-56页 |
| 3.5.1 RBF神经网络原理 | 第53-54页 |
| 3.5.2 RBF神经网络参数的选取 | 第54-55页 |
| 3.5.3 不同分类器的性能测试 | 第55-56页 |
| 3.6 本章小结 | 第56-57页 |
| 4 测试实验与结果分析 | 第57-69页 |
| 4.1 数据集的选择与评估标准 | 第57-58页 |
| 4.2 实验结果与分析 | 第58-66页 |
| 4.2.1 LTP阈值的选取 | 第58-59页 |
| 4.2.2 基于复合纹理特征的图像拼接检测 | 第59-66页 |
| 4.3 鲁棒性分析 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-78页 |
| 在学研究成果 | 第78-79页 |
| 致谢 | 第79页 |
